MétaCan
Menu
Retour à la cohorte
Enregistrement W2893931711 · doi:10.3846/jbem.2018.5536

FACTORS INFLUENCING RESIDENTS’ PERCEPTIONS, ATTITUDES AND BEHAVIORAL INTENTION TOWARD FESTIVALS AND SPECIAL EVENTS: A PRE-EVENT PERSPECTIVE

2018· article· en· W2893931711 sur OpenAlexaff
Hui Li, David D. Schein, Siva Prasad Ravi, Wei Song, Y. Gu

Notice bibliographique

RevueJournal of Business Economics and Management · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensNipissing University
Organismes subventionnairesNational Social Science Fund of China
Mots-clésStructural equation modelingPerspective (graphical)PerceptionEvent (particle physics)PsychologySet (abstract data type)Social exchange theoryChinaSocial psychologySocial mediaAssociation (psychology)Applied psychologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

This article reports the results of research investigating residents’ perceptions, attitudes and behavioral intention (BI) toward sports festivals and special events (FSE) from a pre-event perspective. A structural equation modeling (SEM) was utilized. Two sets of theoretical frameworks have been employed for this study: Social Exchange Theory (SET) and Social Representation Theory (SRT). A quantitative analysis was utilized. Using structural equation modeling (SEM). The authors have identified a strong association between media influence and FSE image evaluation; FSE image evaluation and residents’ perceptions; residents’ perceptions and attitudes; and residents’ attitudes and behavioral intention. However, the study found that social interactions do not have a significant impact on FSE image evaluation. The practical application of this research is that event planners should use media to promote FSE to local residents. This article concludes with the management implications for FSE planners and organizers. Future studies can build on the findings of the paper to generalize this China model for adaption to other countries.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,347
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Economics and ManagementMême sujetSport and Mega-Event ImpactsTravaux en français237 207